基于变换域非局部和最小均方误差的SAR图像去噪方法

摘要

本发明公开了一种基于变换域非局部和最小均方误差的SAR图像去噪方法，主要解决现有技术对SAR图像去噪时产生边缘过平滑和点目标难以保持的问题。其实现步骤是：输入一幅SAR图像Y，并对其进行一层非下采样拉普拉斯分解，得到一幅低频图像Y_L和一幅高频图像Y_H；对Y_L利用PPB滤波器进行滤波，得到滤波后的图像对Y_H进行剪切波方向滤波器分解，得到各个方向的高频子带图像对利用高斯混合模型建模和MMSE估计进行去噪，得到去噪后的高频子带图对和进行逆剪切波变换，得到空域图像Y_Z；对Y_Z进行分类处理，得到最终去噪结果。本发明既能去除同质区域的噪声，也能很好地保持图像的边缘清晰，可用于对图像的预处理。

主权项

一种基于变换域非局部和最小均方误差的SAR图像去噪方法，包括如下步骤：(1)输入一幅SAR图像Y，对SAR图像进行一层非下采样拉普拉斯分解，得到一幅低频图像Y_L和一幅高频图像Y_H；(2)对分解得到的低频图像Y_L，利用PPB滤波器进行滤波处理，得到滤波后的图像2a)对低频图像Y_L上下边界先进行M+m的行镜像扩展，再对行扩展后的图像左右边界进行M+m的列镜像扩展，得到边界扩展后的图像其中，M为搜索窗半径，m为搜索窗中所取的相似图像块的半径，M的取值范围为7～21，m的取值范围为1～7；2b)在边界扩展后的图像中，取像素坐标范围对应在低频图像Y_L坐标范围内的任意像素点s，以该像素点为中心取一个大小为(2M+1)×(2M+1)像素的搜索窗Q^s和一个大小为(2m+1)×(2m+1)像素的图像块B^s，在搜索窗Q^s中取任意一个不同于s的像素点t为中心、大小为(2m+1)×(2m+1)像素的图像块B^t，计算图像块B^s和图像块B^t之间的相似性权值w(s,t)：$w(s,t)=\exp [-\frac{1}{\hat{h}}\underset{r}{\Sigma }\log (\frac{A_r^s}{A_r^t}+\frac{A_r^t}{A_r^s})],$其中，h为平滑因子，L为SAR图像的视数，表示以像素点s为中心的图像块B^s中的不同于像素点s的任意第r个像素点的值，表示与图像块B^s中第r个像素点坐标相对应的图像块B^t中第r个像素点的值；2c)利用权值w(s,t)计算低频图像Y_L中像素点s的PPB估计${\hat{Y}}_L\left(s\right)=\frac{{\Sigma }_{t}w(s,t){\left(A_q^s\right)}^2}{{\Sigma }_{t}w(s,t)},$其中，表示以像素点s为中心的搜索窗Q^s中不同于像素点s的任意像素点q处的像素值；2d)重复步骤2b)至步骤2c)，直至遍历低频图像Y_L中所有的像素点，得到低频图像Y_L的PPB估计图像(3)对分解得到的高频图像Y_H进行非下采样剪切波方向滤波器分解，得到各个方向的高频子带图K为分解方向数，取值为4～18；(4)对各个方向的高频子带图利用高斯混合模型进行建模，并利用MMSE估计进行去噪，得到去噪后的高频子带图(5)对低频图像和高频图像进行逆剪切波变换，得到空域图像Y_Z；(6)对空域图像Y_Z进行LCV分类处理，得到最终去噪结果Z。